基于几何的遮挡感知无监督立体匹配用于自动驾驶
计算机视觉与模式识别
2020-10-22 v1
摘要
近来，出现了许多基于无监督学习的自动驾驶立体匹配方法。它们大多利用重建损失来去除对视差真值的依赖。遮挡处理是立体匹配中的一个挑战性问题，尤其对于无监督方法。先前的无监督方法未能充分利用几何属性进行遮挡处理。本文中，我们引入一种有效检测遮挡区域的方法，并提出一种新颖的无监督训练策略，通过迭代利用预测左视差图的几何特征，仅使用预测的左视差图来处理遮挡。在训练过程中，我们将预测的 left disparity map 视为伪真值，并利用几何特征推断遮挡区域。所得的遮挡掩码随后用作训练、后处理或两者兼有的引导。实验表明，我们的方法能有效处理遮挡问题，并显著优于其他无监督立体匹配方法。此外，我们的遮挡感知策略可便捷地扩展到其他立体方法并提升其性能。
引用
@article{arxiv.2010.10700,
title = {Geometry-based Occlusion-Aware Unsupervised Stereo Matching for Autonomous Driving},
author = {Liang Peng and Dan Deng and Deng Cai},
journal= {arXiv preprint arXiv:2010.10700},
year = {2020}
}